Epidemiologia Descriptiva - eVirtual UASLP

Dr. José J. HernándezCentro de Información de Medicamentos e InvestigaciónEscuela de FarmaciaUniversidad de Puerto RicoJJH_UASLP_20111

Epidemiologia• Definición: Estudio de la distribución y determinantesde enfermedad, lesión, o cualquier otro asuntorelacionado a la salud en poblaciones de humanos• Componentes de la epidemiologia:• Epidemiologia descriptiva• Epidemiologia analíticaJJH_UASLP_20112

Epidemiologia• Descriptiva• Identifica y reporta el patrón y la frecuencia de eventosrelacionados a la salud en una población• Ayuda en la generación de hipótesis• Ayuda en la localización de recursos• Ayuda en la planificación y evaluación de programas desalud• Analítica• Se centra en la búsqueda de los determinantes deeventos relacionados a la salud en una poblaciónJJH_UASLP_20113

Ciclo de análisis epidemiológicosEstudiosdescriptivosFormulaciónde hipótesis yestructura demodelosFormulaciónde nuevashipótesis onuevosestudiosdescriptivosEstudiosanalíticosparacorroborarhipótesisAnálisis deresultadosJJH_UASLP_20114

Epidemiologia descriptiva• Caracteriza la distribución de eventos relacionados a lasalud a nivel de:• Persona (edad, raza, educación, etc.)• Lugar (localización geográfica, características de lageografía, densidad poblacional)• Tiempo (1900 versus 2000 / mañana versus noche)JJH_UASLP_20115

Epidemiologia descriptiva• Ejemplo 1‐ Reporte:• 200 casos de dengue en Puerto Rico en 2007• 70 casos de dengue en Guadalupe en 2007• Ejemplo 2‐ Comparación:• En cual de los dos países el problema es mayor?• Puerto Rico• GuadalupeJJH_UASLP_20116

Epidemiologia descriptiva• Población en PR n=400,000• 200 casos de dengue en PR en 2007• Prevalencia de dengue en PR = 200/400000 = 0.5 casospor cada 1,000 puertorriqueños• Población en Guadalupe n=70,000• 70 casos de dengue en Guadalupe en 2007• Prevalencia de dengue en Guadalupe = 70/70000 = 1caso por cada 1,000 guadalupeñosJJH_UASLP_20117

Definiciones importantes• Caso• Ratio• Proporción• Rate• Prevalencia• IncidenciaJJH_UASLP_20118

Caso• Es como definimos lo que buscamos medir• Se puede medir por medio de:• Sistemas de vigilancia• Encuestas estructuradas• Base de datos• La definición de casos es esencial• Ejemplo: ADRs por medio de reportes médicos,encuestas a pacientes, análisis de sangre, etc.JJH_UASLP_20119

Ratio, proporciones y rates• Ratio‐ División de cualquier numero entre otronumero• Proporción‐ Es un ratio en donde los componentes delnumerador están incluidos en el denominador• Rate‐ Es un ratio en donde los componentes delnumerador están incluidos en el denominador, y loscomponentes del denominador estan a riesgo de entraral numeradorJJH_UASLP_201110

Prevalencia• Prevalencia mide la proporción de individuos en lapoblación que tienen la variable de interés en untiempo definido• Ejemplo:• Personas de la clase farmacia 2014en el RCM que han tomandoAPAP 500mg durante el mes de septiembre de 2008JJH_UASLP_201111

Incidencia• Incidencia mide numero de casos nuevos en unapoblación a riesgo durante un tiempo definido• Tipos de incidencia:• Cumulative incidence• # de nuevos usuarios de ASA en PR durante 2007# de IDs que no usan ASA en PR a principios de 2007• Incidence density• # de nuevos usuarios de ASA en PR durante 2007# de “person‐time” a riesgo de tomar ASA durante 2007JJH_UASLP_201112

Cumulative incidence and incidence density• Cuando son similares el “cumulative incidence” y el“incidence density”?• La incidencia es baja• Periodo de observación es corto• Como se relacionan la prevalencia y la incidencia:• Prevalence = Incidencia x DuracionJJH_UASLP_201113

JJH_UASLP_201114

Comparación de la incidencia de CHFentre individuos diabéticos que usan ono usan insulinaRESULTADO(CHF)+ --EXPOSICION(INSULIN)-- +88626882JJH_UASLP_201115

EXPOSICION(INSULIN)-- +Diferencia en RiesgoRESULTADO (CHF)+ --88 6862 82Incidencia de CHF entre los usuarios de insulina = 88 / 156 = 0.56Incidencia de CHF entre los no-usuarios de insulina = 62 / 144 = 0.43Diferencia en riesgo= Exceso de riesgo entre un grupo expuesto y uno no expuestoDiferencia en riesgo = 0.56 – 0.43 = 0.13JJH_UASLP_201116

¿El uso de Insulina en Pacientes Diabéticos esta asociado aun Aumento en el Riesgo de Desarrollar CHF?RESULTADO (CHF)+ --EXPOSICION(INSULIN)-- +88626882Riesgo Relativo (no-ajustado) = 1.30JJH_UASLP_201117

Riesgo Relativo (RR)RESULTADO+ --EXPOSICION-- +ACBDA / A+BC / C+D=RREn estudios prospectivos, ya seanestudios RCT o cohortes se debe usarriesgo relativo como medida deasociaciónJJH_UASLP_201118

Odds Ratio (OR)RESULTADO+ --CHF+ --EXPOSICION-- +ACBDINSULINA-- +88626882A/C / B/DA*D / B*C = ORJJH_UASLP_2011OR = 1.71En estudios caso‐control utiliceel “odds ratio”19

¿Cuando el RR y el OR son similares?• Cuando el resultado que se mide es poco común, ya queA y C son pequeñas relativo a D y B.• RR= (A / (A+B)) / (C / (C+D))• En condiciones raras la ecuación para calcular RR sereduce a RR = (A / B) / (C / D) o (A * D) / (B * C)• Esta formula es idéntica a la formula de los OR• Entonces cuando se estudian condiciones raras el OR esuna buena aproximación del RRJJH_UASLP_201120

JJH_UASLP_201121

Características de Enfermedades queAmeritan Pruebas de Cernimiento• Fase asintomática• Altamente prevalente• Alta severidad• Tratamiento para fase inicial disponibleJJH_UASLP_201122

Medidas Utilizadas para Describir• SensibilidadPruebas de Cernimiento• EspecificidadValidez de la prueba• Valor predictivo positivo• Valor predictivo negativoInferencias sobre la pruebaJJH_UASLP_201123

CálculosESTADO REALENFERMEDADNO ENFERMEDADPRUEBA+ A B A + B‐ C D C + DA + CB + DA/(A+B) = VPP A/(A+C)=SensibilidadD/(C+D) = VPN D/(D+B)=EspecificidadJJH_UASLP_201124

JJH_UASLP_201125

Outline• Why we perform epidemiologic studies?• Association versus causation• Bias• Confounding• Random Error• Validity• ConclusionJJH_UASLP_201126

Types of error• Types of measurement errors in scientific studies:• Systematic error:• Bias• Selection bias• Information bias• Confounding• Third variable• Non‐systematic error:• Random error• Measurement• SamplingJJH_UASLP_201127

Deriving Inferences from Epidemiologic StudiesCoffee Pancreatic CancerClinical ObservationsAvailable DataCase-control studiesCohort StudiesRandomized TrialsEstimate odds ratioor relative riskRR = 3.0p < 0.05JJH_UASLP_201128

Guidelines for judging whether andassociation is causal1. Temporal relationship2. Strength of the association3. Dose‐response relationship4. Replication of the findings5. Biological Plausibility6. Consideration of alternative explanations7. Cessation of exposure8. Specificity of the association9. Consistency with other knowledgeJJH_UASLP_201129

Bias“Bias is a systematic error in the design, conduct oranalysis of a study that results in a mistaken estimateof an exposure’s effect on the risk of disease”J.J. Schlesselman‐1982JJH_UASLP_201130

Types of Bias• Selection Bias• A higher or lower rate of the outcome is observed in theexposure group because of the selection method• Information bias• A higher or lower rate of the outcome is observed in theexposure group because of an inadequate way ofobtaining information about the subjectsJJH_UASLP_201131

Selection BiasHRT ↓CHDHRT‐YesCHDNo CHDCHD CHDHRT 40 60 100HRT 70 30 100110 90 200HRT‐NoCHDNo CHDRR = 0.57P < 0.05JJH_UASLP_201132

Selection bias• Healthy‐user bias occurs when individuals whochoose to use a treatment are healthier, moreaffluent and better educated than those whochoose not to use the treatment• Prevalent user bias occurs if the risk of eventschange as function of time, and the investigatordoes not take into account time of exposureJJH_UASLP_201133

Information BiasDrug A Teratogenic effectDrug AD DE 15 30 45No Drug AĒ 5 30 3520 60 80 Drug AOR = 3.0No Drug AP < 0.05Baby withmalformationBaby with nomalformationJJH_UASLP_201134

Information bias• Recall bias occurs when individuals rememberbetter an exposure event given the outcome• Misclassification bias occurs when individuals areerroneously classified as exposed or non‐exposedor as cases or non‐casesJJH_UASLP_201135

Confounding• In a study of whether factor A is a cause of disease B,we say that a third factor, factor X, is a confounder ifthe following are true:• Factor X is a known risk factor for disease B• Factor X is associated with factor A but is not a result offactor AJJH_UASLP_201136

Confounding• Factor A: Accutane• Factor B: ↑Suicide• Factor X: DepressionABX• Use of Accutane increase suicide rates?• Individuals taking Accutane are more likely to bedepressed and is depression what cause a highersuicide rateJJH_UASLP_201137

ConfoundingAccutane ↑SuicideD DE 10 10 20Ē 4 10 1414 20 34No DepressionD DE 3 12 15Ē 3 28 316 40 46OR = 2AccutaneNo AccutaneD DE 15 30 45Ē 5 30 35OR = 220 60 80AccutaneNo AccutaneSuicideOR = 3.0P < 0.05No SuicideJJH_UASLP_201138

Random error“Leads to a false association between the exposure anddisease that arise from “chance” an uncontrollableforce that seems to have no assignable cause”J.P. Pickett ‐ 2000JJH_UASLP_201139

Random error• When p‐value < 0.05 random error is a unlikelyexplanation of observed results• There is a 5% of reaching an erroneous conclusion bychanceJJH_UASLP_201140

ValidityBiasPopulationStudy SampleConfoundingRandom errorInternal ValidityJJH_UASLP_201141

ValidityBiasSPopulationStudy SampleConfoundingRandom errorInternal validity but no external validityJJH_UASLP_201142

ValidityBiasPopulationStudy SampleConfoundingRandom errorInternal validity and external validityJJH_UASLP_201143

Conclusions• Methodology of epidemiological studies should alwaysbe evaluated for potential bias and confounding• Bias should be minimized at the study design level• A researcher can always adjust for a potentialconfounder• Random error is always present in epidemiologicalstudiesJJH_UASLP_201144

Conclusions• Internal validity increases with less bias andconfounding• External validity increases with sample representationof the true population• Internal validity is necessary for external validity butnot sufficientJJH_UASLP_201145

Preguntas?JJH_UASLP_201146